當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python pandas.DataFrame.reindex用法及代碼示例


用法:

DataFrame.reindex(labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)

使用可選的填充邏輯使 Series/DataFrame 符合新索引。

將 NA/NaN 放置在前一個索引中沒有值的位置。除非新索引等於當前索引和 copy=False ，否則會生成一個新對象。

參數：

keywords for axes：array-like，可選

應使用關鍵字指定要符合的新標簽/索引。最好是 Index 對象以避免重複數據。

method：{無，‘backfill’/'bfill'，‘pad’/'ffill'，‘nearest’}

用於填充重新索引的 DataFrame 中的孔的方法。請注意：這僅適用於具有單調遞增/遞減索引的 DataFrames/Series。

  • 無(默認)：不填補空白

  • pad /ffill：將最後一個有效觀察值向前傳播到下一個有效值。

  • backfill /bfill：使用下一個有效觀察來填補空白。

  • 最近：使用最近的有效觀測值來填補空白。

copy：布爾值，默認為真

返回一個新對象，即使傳遞的索引相同。

level：整數或名稱

跨級別廣播，匹配傳遞的 MultiIndex 級別上的索引值。

fill_value：標量，默認 np.NaN

用於缺失值的值。默認為 NaN，但可以是任何 “compatible” 值。

limit：整數，默認無

向前或向後填充的最大連續元素數。

tolerance：可選的

不精確匹配的原始標簽和新標簽之間的最大距離。匹配位置處的索引值最符合等式 abs(index[indexer] - target) <= tolerance 。

公差可以是一個標量值，它對所有值應用相同的公差，或者list-like，它對每個元素應用可變公差。 List-like 包括列表、元組、數組、係列，並且必須與索引的大小相同，並且其 dtype 必須與索引的類型完全匹配。

返回：

具有更改索引的係列/數據幀。

例子：

DataFrame.reindex 支持兩種調用約定

  • (index=index_labels, columns=column_labels, ...)

  • (labels, axis={'index', 'columns'}, ...)

我們強烈建議使用關鍵字參數來闡明您的意圖。

使用一些虛構數據創建一個 DataFrame 。

>>> index = ['Firefox', 'Chrome', 'Safari', 'IE10', 'Konqueror']
>>> df = pd.DataFrame({'http_status':[200, 200, 404, 404, 301],
...                   'response_time':[0.04, 0.02, 0.07, 0.08, 1.0]},
...                   index=index)
>>> df
           http_status  response_time
Firefox            200           0.04
Chrome             200           0.02
Safari             404           0.07
IE10               404           0.08
Konqueror          301           1.00

創建一個新索引並重新索引 DataFrame 。默認情況下，新索引中在 DataFrame 中沒有相應記錄的值被分配 NaN 。

>>> new_index = ['Safari', 'Iceweasel', 'Comodo Dragon', 'IE10',
...              'Chrome']
>>> df.reindex(new_index)
               http_status  response_time
Safari               404.0           0.07
Iceweasel              NaN            NaN
Comodo Dragon          NaN            NaN
IE10                 404.0           0.08
Chrome               200.0           0.02

我們可以通過將值傳遞給關鍵字 fill_value 來填充缺失值。因為索引不是單調遞增或遞減的，所以我們不能使用關鍵字method 的參數來填充NaN 值。

>>> df.reindex(new_index, fill_value=0)
               http_status  response_time
Safari                 404           0.07
Iceweasel                0           0.00
Comodo Dragon            0           0.00
IE10                   404           0.08
Chrome                 200           0.02
>>> df.reindex(new_index, fill_value='missing')
              http_status response_time
Safari                404          0.07
Iceweasel         missing       missing
Comodo Dragon     missing       missing
IE10                  404          0.08
Chrome                200          0.02

我們還可以重新索引列。

>>> df.reindex(columns=['http_status', 'user_agent'])
           http_status  user_agent
Firefox            200         NaN
Chrome             200         NaN
Safari             404         NaN
IE10               404         NaN
Konqueror          301         NaN

或者我們可以使用 “axis-style” 關鍵字參數

>>> df.reindex(['http_status', 'user_agent'], axis="columns")
           http_status  user_agent
Firefox            200         NaN
Chrome             200         NaN
Safari             404         NaN
IE10               404         NaN
Konqueror          301         NaN

為了進一步說明 reindex 中的填充函數，我們將創建一個具有單調遞增索引的 DataFrame (例如，日期序列)。

>>> date_index = pd.date_range('1/1/2010', periods=6, freq='D')
>>> df2 = pd.DataFrame({"prices":[100, 101, np.nan, 100, 89, 88]},
...                    index=date_index)
>>> df2
            prices
2010-01-01   100.0
2010-01-02   101.0
2010-01-03     NaN
2010-01-04   100.0
2010-01-05    89.0
2010-01-06    88.0

假設我們決定擴展 DataFrame 以覆蓋更廣泛的日期範圍。

>>> date_index2 = pd.date_range('12/29/2009', periods=10, freq='D')
>>> df2.reindex(date_index2)
            prices
2009-12-29     NaN
2009-12-30     NaN
2009-12-31     NaN
2010-01-01   100.0
2010-01-02   101.0
2010-01-03     NaN
2010-01-04   100.0
2010-01-05    89.0
2010-01-06    88.0
2010-01-07     NaN

默認情況下，原始 DataFrame 中沒有值的索引條目(例如，“2009-12-29”)填充為 NaN 。如果需要，我們可以使用幾個選項之一來填充缺失值。

例如，對於 back-propagate 填充 NaN 值的最後一個有效值，將 bfill 作為參數傳遞給 method 關鍵字。

>>> df2.reindex(date_index2, method='bfill')
            prices
2009-12-29   100.0
2009-12-30   100.0
2009-12-31   100.0
2010-01-01   100.0
2010-01-02   101.0
2010-01-03     NaN
2010-01-04   100.0
2010-01-05    89.0
2010-01-06    88.0
2010-01-07     NaN

請注意，原始數據幀中存在的NaN 值(索引值為 2010-01-03)不會被任何值傳播方案填充。這是因為重新索引時填充不會查看數據幀值，而隻會比較原始索引和所需索引。如果您確實想填寫原始 DataFrame 中的 NaN 值，請使用 fillna() 方法。

有關更多信息，請參閱用戶指南。

相關用法


注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.DataFrame.reindex。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。